Investigación en sistemas de trading, una propuesta para mejorar el desempeño de las AFOREs en México
Date
2020-12Author
Barboza-Espinoza, Carlos A.
Castillo-Herrera, Israel
Enriquez-Muñoz, Francisco J.
Jimenez-Orozco, Andrea
Marin-Haro, Erendira
Nuño-Guevara, Alberto E.
OrtizTirado-Gonzalez, Esteban
Vázquez-Guzmán, Jaime E.
Metadata
Show full item recordDescription
El principal objetivo de un sistema de trading es maximizar sus beneficios utilizando señales y confirmaciones de tendencia que ayuden a mejorar el porcentaje de entradas y salidas apropiadas. En este proyecto, la fuente de estas señales proviene de un modelo de inteligencia artificial, específicamente una red neuronal multicapa. El entrenamiento del modelo utiliza datos diarios de contratos futuros continuos. Para mejorar el desempeño del sistema se tomó en cuenta un criterio de selección e importancia de variables con base a la estadística, así como una optimización de los hiper parámetros del modelo. Con el fin de disminuir la minusvalía de las posiciones abiertas, se propuso la implementación de una cobertura dinámica. Dicha cobertura se ejecutó con opciones para preservar el capital y gestionar el riesgo. El impacto de esta investigación se dirigió a contribuir e innovar el proceso de estrategias de inversión que realizan actualmente los fondos de pensión (AFORES) en México. Siendo el rendimiento un factor determinante para el retiro de futuras generaciones, y tomando en cuenta el contexto actual y recientes reformas en la materia, las estrategias de inversión apoyadas en tecnología se ha convertido en un área de suma importancia para nuestra sociedad.ITESO, A.C.